如何處理來自tf.compute_gradient的漸變？

我試圖讓在梯度通過計算出的值：如何處理來自tf.compute_gradient的漸變？

grads_vars = optimizer.compute_gradients（虧損，tf.trainable_variables（））

函數 'compute_gradients' 返回一個兩列列出一些tf.gradient的東西，以及一些tf.variable的東西。當我嘗試獲取這個列表時，我得到一個錯誤，因爲它不是一個張量。

來源

2016-04-20 McMDA

grads_and_vars是張量[(gradient1, variable1), ...]

的元組的列表，但是，你只能取張量清單像[gradient1, gradient2, ...]，所以你需要把第一列表爲第二種形式

來源

2016-04-20 16:03:10

我怎麼能取張量清單？我有_italic_ ** bold **'grads = [g_v [0] for g_v in grads_vars]' gg = tf.convert_to_tensor（grads） return gg'，那麼當我去取它時我得到TypeError：List of當張量預期時，張量。 – McMDA

如何處理來自tf.compute_gradient的漸變？

回答

相關問題